Small Biopsies Misclassify up to 35% of PD-L1 Assessments in Advanced Lung Non–Small Cell Lung Carcinomas
Notice bibliographique
Résumé
Pembrolizumab is an FDA-approved immune-checkpoint (IC) inhibitor that targets programmed cell death protein PD-1, and recent phase III trials have demonstrated its superiority over chemotherapy in the treatment of patients with advanced non-small cell lung cancer (NSCLC). Eligibility for treatment with Pembrolizumab is based on demonstration of PD-L1 expression on tumoral cells using the approved companion test 22C3 PharmDx (Dako). Access to the drug depends on a tumor proportion score (TPS) expressing the PD-L1 protein above predetermined cutoffs. The scoring interpretation guide requires a minimum of 100 viable cells to be considered adequate for evaluation. Recent studies have questioned the adequacy of the sampling process when small biopsies are utilized. To further explore this concern, the viable tumor area of 426 consecutive NSCLC biopsies and surgical excisions submitted for PD-L1 assessment was measured and recorded with corresponding PD-L1 expression. About 14.6% of all biopsies measured <2 mm creating 2 groups (<2 mm and ≥2 mm) whose PD-L1 categories distribution [negative (<1%), low expressor (≥1% and <50%), and positive (≥50%)] were compared. Results were significantly different between both groups (χ test; P=0.0012). To help understand this difference, 1,407,000 in silico simulated biopsies of various sizes were performed on 201 numerical tumors created from digitalized full sections and analyzed. Not only the same results shown in actual biopsies were reproduced, but the model calculated that up to 35% of very small biopsies were misclassified including a mixture of false negative and false positive results. The percentage decreased to 10% with a threshold of 5 mm. In era of precision medicine, appropriate sampling is more than ever critical to achieve accurate assessment of the NSCLC PD-L1. Ignored in most clinical trials, recording of biopsy size would permit refining data analysis and increase predictive accuracy of current and future biomarkers.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».